转录因子（Transcription factor，TF）是一类生物学意义非常重要的蛋白质，负责调控遗传信息由DNA向信使RNA的转移，对于基因的时空表达有这开关的重要作用。科学研究发现转录因子主要通过绑定识别某些特定的调控DNA序列和模块行驶功能，因而这些转录因子与特定结合位点之间的相互作用构成了基本的基因调控网络，研究这些调控网络的细节有助于对于深入理解细胞生物学功能。
目前应用比较广泛的鉴定TF 模块的方法主要有FIMO（Find Individual Motif Occurrences）、CB（Cluster-Buster）、MS（Matrix-Scan）、MOODS（Motif Occurrence Detection Suite）等【1-4】。然而各种方法之间的表现差异性没有进行过评估。
7月25日，比利时根特大学的研究人员在Plant Physiology杂志发表一篇题为Enhanced maps of transcriptionfactor binding sites improve regulatory networks learned from accessiblechromatin data的研究论文。首次比较了目前四种应用较广的挖掘转录因子绑定模块的工具，并根据其不同表现，综合FIMO和CB进一步改进出更加高效准确的预测方法。
研究人员首先利用四种算法对拟南芥中66个DNA模块进行评估，然后用ChIP-Seq进一步确认。该研究发现，FIMO产生最少但查准率最高的预测绑定模块，但是却遗漏了很多位点；如果只考虑7000个最高分值的预测模块，四种方法的查准率和查全率中值比较类似；如果考虑错误位点概率，FIMO最低，MOODS最高，说明MOODS预测的很多位点不准确。根据前面表现，分析转录因子绑定模块的复杂程度对预测准确度的查全率的影响，发现绑定模块复杂度的提高会影响CB的准度，但是对FIMO影响相对较小。
深入分析不同方法在不同识别模块下的表现，发现CB的查全率普遍高于其他的方法，作者借此联合FIMO较高的查准率和CB较高的查全率，选取前7000个高分位点，形成一种新的组合预测方法（Ensemble motif mappings）。通过对不同植物生理过程中转录因子额外靶点的预测结合之前的文献报道，说明组合预测方法挖掘转录因子新的靶点更强大。
研究人员之后将本研究中运用的新预测方法运用到染色质开放区域的基因调控网络研究中，文章中对SAM（Shoot apical meristem）和叶肉细胞THSs位点转录因子和靶标进行预测，鉴定到额外的模块并且与SAM开花控制和叶片对压力刺激及生物钟反应的功能表型相一致。进一步证明了组合预测新方法在特定细胞类型中鉴定调节因子靶标的可操作性。
综上所述，研究人员利用两种鉴定转录因子靶标模块的方法优势互补，改进后优于目前广泛应用的FIMO方法，这个方法有望加快对基因调控网络的预测，尤其有助于开放染色质数据的收集，对后续基因挖掘和功能验证有强大的辅助作用。
参考文献
【1】FrithMC, Li MC, Weng Z () Cluster-Buster: Findingdense clusters of motifs in DNA sequences.NucleicAcids Res 31: 3666-3668
【2】Turatsinze JV, Thomas-Chollier M, Defrance M,van Helden J () Using RSAT toscan genome sequences fortranscription factor binding sites and cis-regulatory modules. Nat Protoc 3:1578-1588
【3】Korhonen J, Martinmaki P, Pizzi C, Rastas P, Ukkonen E () MOODS: fast search for positionweightmatrix matches in DNA sequences.Bioinformatics 25: 3181-3182
【4】Grant CE,Bailey TL, Noble WS ()FIMO: scanning for occurrences of a given motif. Bioinformatics27: 1017-1018
【5】Sijacic P, Bajic M, McKinney EC,Meagher RB, Deal RB () Changes in chromatinaccessibility between Arabidopsis stem cells and mesophyll cells illuminatecell type-specific transcription factor networks. Plant J 94: 215-231
原文链接：
/content/plantphysiol/early//07/25/pp.19.00605.full.pdf
